未來，我們吃的藥可能會是“AI造”

　　未來，我們吃的藥可能會是“AI造”【人工智慧正在參與從靶點發現到臨床實驗全流程】

　　一個新藥的誕生，通常需投入10億甚至數十億美元，研發週期一般超過10年。而由於AI技術的加入，如今的藥物研發成本明顯減少，同時也大大縮短了研發時間。例如，AI將臨床前候選化合物的時間從平均4年半縮短至約13.7個月，縮短了近75%。

　　◎本報記者 陳 曦

　　近日，據媒體報道，美國華盛頓大學戴維貝克教授團隊在《細胞》雜誌上發表論文，利用人工智慧(AI)技術平臺精準地從頭設計出能夠穿過細胞膜的大環多肽分子，開闢了設計全新口服藥物的新途徑。

　　近年來，AI加速助力新藥研發，幾乎參與了從藥物靶點發現到臨床試驗的全流程。在新冠肺炎疫情期間，多款藥物問世背後也都有AI的身影，全球AI制藥産業實現加速跑。

　　AI融入藥物研發各個環節

　　“AI一詞是約翰麥卡錫在1956年達特茅斯會議上提出的，用來描述‘製造智慧機器的科學和工程’。AI差不多也是在這個時候被引入到藥物研發領域的。”南開大學藥學院教授林建平介紹，1964年，定量構效關係建模領域的建立成為AI開始用於藥物研發的標誌。

　　如今，AI在藥物研發中發揮著越來越重要的作用，並與藥物研發的各個環節緊密結合。

　　一款藥物從無到有，要歷經漫長且坎坷的過程。其中主要包括4個研發階段，即靶標選擇和驗證、化合物篩選和先導優化、臨床前研究以及臨床試驗。而每一個階段又涉及到許多具體環節。

　　林建平舉例説，比如在靶標選擇和驗證階段，需要確定疾病相關的靶標。根據傳統實驗去確定靶標，既費時成本又高，而使用AI技術並結合已有的組學大數據，根據已知的以及新産生的實驗數據，就可以快速分析出潛在候選靶標，節約時間和成本；或在已知先導化合物的功效，但是缺少明確靶標而導致具體作用機制和副作用不明確時，AI可以大範圍預測靶標，縮小候選靶標的範圍，最後結合實驗手段快速定位真正的靶標。“AI幫助藥物研發者快速找到靶標，加快先導化合物向藥物轉化的進程。”林建平介紹。

　　對於已有的藥物，AI同樣可以通過靶標預測，發現新的靶標，從而發現新的藥物適應症，這也是一個非常熱門的領域——藥物重定位。

　　在最重要的臨床試驗階段，AI的應用也起到了事半功倍的效果。“在這一階段，需要在患者身上評價藥物的安全性和有效性，AI可以參與到患者的招募、臨床試驗設計以及試驗結果數據分析等。”林建平舉例，比如可以通過AI技術從過去的臨床患者中，提取患者的個人特徵、症狀、治療效果等數據，找到最匹配當前試驗的患者；試驗設計上，AI可以預測合適的藥物劑量、治療方案等；而試驗數據上，可以採用AI技術跟蹤和管理患者的實時情況，預測患者預後情況等。

　　AI大大縮減藥物研發成本

　　一個新藥的誕生，通常需投入10億甚至數10億美元，研發週期一般超過10年，成功率卻低於10%。而由於AI的加入，如今的藥物研發成本減少了上億美元，同時也大大縮短了研發時間，一般來説可以縮短一半以上。例如，AI將臨床前候選化合物的研發時間從平均4年半縮短至約13.7個月，縮短了近75%。

　　此外，AI還提高了藥物研發的成功率。“通俗講，藥物研發實際上是一個試錯的過程，AI可以幫助我們排除大量錯誤，最後留給我們的就是更大的成功機會。”林建平説。

　　正是由於AI制藥具有對傳統制藥碾壓式的優勢，使得AI制藥産業在全球發展壯大。目前，AI制藥産業發展可概括為三大階段：第一個階段，AI制藥公司初步形成，主要針對某個階段的藥物研發提供AI技術服務；第二個階段，AI制藥公司開發了成熟的研發管線，並且開發的藥物進入臨床驗證，這一階段將吸引大量資本和初創企業加入；而第三階段，則進入到關鍵的臨床Ⅱ期藥效性實驗，真正證明AI研發藥物的有效性。

　　“目前全球AI制藥産業已步入第三個發展階段。”林建平説。

　　我國AI制藥起步較晚，尚處於第二個階段。“但是國內的AI制藥産業發展速度非常快，各大網際網路巨頭以及一些大型藥企均開始佈局AI制藥賽道，當然還包括一些初創公司。”林建平表示。

　　據統計，目前國內已有超過60家AI制藥公司，去年我國AI制藥融資規模達12.36億美元，同比增長163.54%。

　　AI制藥存在諸多挑戰

　　可以説，AI已經滲透到藥物研發領域的各個環節，促進了醫藥産業的升級，在未來極有可能帶來制藥産業的變革。隨著目前AI制藥産業的發展，在不久的將來，我們可能很快會迎來第一款AI技術研發的創新藥物。在期盼之餘，很多人也對AI研發的藥物是否具有風險心存疑慮。

　　“目前來説，我們利用AI研發的藥物的風險與傳統的藥物研發風險是一樣的，包括藥物的副作用、毒性、耐受性等。”林建平解釋説，由於目前AI在藥物研發中大多起著輔助作用，最後仍舊需要經過真實的試驗去驗證其安全性和有效性，需要專家去做評定，所以在風險性上與傳統研發藥物相同。但是這樣做也帶來了另一個問題，制藥行業仍以專家經驗為基礎，成為制約AI制藥發展的最大阻礙。“之所以出現這種現象，主要是由於對AI技術助力制藥的不信任。”林建平認為，隨著接下來幾年AI藥物的成功上市，這個問題必將得到解決；另一方面，目前AI在藥物研發全流程中，仍然扮演著輔助工具的角色，沒有佔據主導地位，這也就決定了AI制藥産業難以獲得飛躍式發展。

　　而且，AI技術仍在發展中，數據、演算法、算力上的突破也需要一定的時間。如數據量不足、數據品質參差不齊，演算法精度不高、演算法無法滿足需求等，都為AI在藥物研發和應用上帶來了困難。

　　此外，AI制藥還面臨許多其他挑戰。比如生命領域的基礎理論研究還有很多沒有解決的問題；再比如複合型人才的缺少，“懂計算的不懂制藥，懂制藥的不懂計算”，如何更好地把生物問題轉化為計算問題，然後用數字手段去解決，這需要大量複合型人才的參與，而這一類人才的培養也是極其耗時的。

　　相關連結

　　超算驅動現代藥物研發産業發展

　　隨著AI技術的不斷發展，AI藥物研發的進程也在“提速”。

　　此外，超級計算平臺在現代藥物研發中也發揮著日益強勁的驅動作用，特別是伴隨著“天河”等新一代超級電腦的研製成功，百億級虛擬藥物篩選、大規模全原子分子動力學模擬、大規模AI預訓練模型等計算和智慧技術為現代藥物研發創新帶來新機遇、新發展。

　　目前天河超級計算平臺支撐了數十家機構、上百個研發團隊開展高性能計算支撐的虛擬藥物研發工作，取得了良好的成效。國家超級計算天津中心高性能計算部部長康波表示，超算團隊將基於天河新一代超級電腦，研發物理生化模型與人工智慧結合的藥物設計新方法，構建電腦輔助藥物設計研發核心鏈條聚合機制，探索算數融合、藥工結合、研用協同的信創數字數值裝置模式，研製面向創新藥物發現的虛擬實驗室，實現超算驅動現代藥物創新發展的綜合支撐能力。